Image Recognition and Retrieval Using Sparse Hypergraph Networks and Application to Medication Dispensing Error Prevention

2023 Fiscal Year Final Research Report

• Project/Area Number: 21K11946
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61010:Perceptual information processing-related
• Research Institution: Waseda University
• Principal Investigator: Kamata Seiichiro 早稲田大学, 理工学術院(情報生産システム研究科・センター), 教授 (00204602)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: スパース・ハイパーグラフ / ハイパーグラフネットワーク / 画像認識 / 調剤過誤防止 / 薬学リスクマネジメント

Outline of Final Research Achievements

Recently several hypergraph-based neural networks (HGN) have been proposed to solve the problems in image recognition. We propose a sparse hypergraph　construction method and a method of image recognition using sparse hypergraph　networks. The major challenge is how to build the sparse hypergraph networks. In　order to handle images and sentences, we propose a fusion model both text hypergraphs and image hypergraphs to build image recognition and text retrieval system. In application to reducing a risk of human errors when prescribing medicines to patients, which has been becoming a social problem, a prevention system of medication dispensing errors with the pharmacists is created to solve this problem, and it is verified that it can reduce the number of near-miss incidents.

Free Research Field

画像情報処理

Academic Significance and Societal Importance of the Research Achievements

近年、ハイパーグラフ表現によるニューラルネットワークが注目されている。ハイパーグラフ表現は、ノードとリンクから構成されるグラフ表現の一般化された概念である。本研究は、画像の局所特徴のスパース性を考慮しながら、スパース・ハイパーグラフネットワークによる画像認識能力向上の可能性を探求したものである。画像ハイパーグラフモデルとテキストハイパーグラフモデルを融合させ、マルコフ確率場を導入した新たなＭＲＦトランスフォーマを構築した。また、薬剤師のヒューマンエラーによる24万件のヒヤリハットデータを収集し、薬局におけるヒヤリハット件数が10分の1以下に減らせることが確認できた。